현재 위치
Home
세션 II: MR-IoT융합 인공지능 기술
위협 탐지 및 교통량 예측을 위한 장기 시계열 데이터에서의 Transformer 와 LSTM 모델 성능 비교
Comparison of Transformer and LSTM for threat detection and traffic prediction on long time-series data.
-
- 발행기관
- 한국차세대컴퓨팅학회 바로가기
-
- 간행물
- 한국차세대컴퓨팅학회 학술대회 바로가기
-
- 통권
- 2021 한국차세대컴퓨팅학회 춘계학술대회 (2021.05)바로가기
-
- 페이지
- pp.18-21
-
- 저자
-
- 언어
- 한국어(KOR)
-
- URL
- https://www.earticle.net/Article/A409317
원문정보
초록
- 영어
- Deep learning research to analyze industrial time-series data has been an active research topic. Recent studies have attempted to borrow the models for natural language processing(NLP) to handle time dependency issues. However, industrial data have different properties compared with NLP data: strongly dependent on a time axis. Moreover, because industrial information is continuously accumulating while the machine is running, it has a much longer sequence than other sequential data. In this study, we compare the performance of widely used natural language models, LSTM and Transformer, on such long-time series industrial data. For comparison, we performed experiments to detect an attack on a water treatment management system and to predict traffic flow on a highway. We confirmed that the Transformer using the attention mechanism showed better performance than the LSTM.
목차
Abstract
1. 서론
2. 관련연구
3. 데이터 소개
4. 방법
5. Experiment result
6. Conclusions
Acknowledgement
References
키워드
Transformer LSTM Time-series data Security Threat detection저자
간행물 정보
발행기관
-
- 발행기관명
- 한국차세대컴퓨팅학회 [Korean Institute of Next Generation Computing]
- 설립연도
- 2005
- 분야
- 공학>컴퓨터학
- 소개
- 본 학회는 차세대 PC 및 그 관련분야의 학술활동을 통하여 차세대 PC의 학문 및 기술발전을 도모하고 산업발전 및 국제협력 증진을 목적으로 한다.
간행물
-
- 간행물명
- 한국차세대컴퓨팅학회 학술대회
- 간기
- 반년간
- 수록기간
- 2021~2025
- 십진분류
- KDC 566 DDC 004
이 권호 내 다른 논문 / 한국차세대컴퓨팅학회 학술대회 2021 한국차세대컴퓨팅학회 춘계학술대회
피인용수 : 0건 (자료제공 : 네이버학술정보)
함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.
출처 : 네이버학술정보
0개의 논문이 장바구니에 담겼습니다.